知识库

本笔记建立信号阶段基准，用于评估模型对CME期货的预测。每周决策时，按预测收益为品种排序，买入排名靠前的一组，做空排名靠后的一组，并为每个头寸赋予相同权重。笔记改变每条腿所含品种数量，以展示集中度如何影响比较。此阶段不纳入配置方法、风险控制和交易成本，以便后续组合方法有明确的参照。…

本文说明如何为按期限结构对产品排序的横截面期货策略构造未来收益标签。文中区分了两类价格：滚动调整价格适用于跨合约换月计算收益；原始结算价则保留了生成持有收益信号所需的同期曲线。标签使用近月合约；在向前移位之前，数据必须保持完整，以便每个期限都按该产品自身的交易时段计数，而不是按筛选后剩余的行计数。…

本文介绍基于期货持有收益构建的三种模型特征：预测下一交易时段持有收益的 ARIMA、选定周期长度的滚动傅里叶指标，以及根据平均持有收益推断市场状态的两状态隐马尔可夫模型。核心经验是严格遵守时间顺序：参数只能用更早的观测拟合，按预先声明的计划更新，并在下次重新拟合前保持不变。对于隐马尔可夫模型，滤波后的状态概率只使用当前和过去的观测，不使用之后的数据。仅采用滚动评估划分并不能防止数据泄漏；如果特征是用未来观测估计的，仍会发生泄漏。…

本分析比较九项交易案例研究中已登记的双重机器学习处理效应。它从各研究的登记库载入当前结果，检查登记完整性和重复标签，并明确展示覆盖范围。效应和置信区间保留原有单位，而HAC统计量用于支持跨面板比较。笔记还比较朴素OLS估计与正交化估计，应用分块置换反证检验，并区分多个标签与真正不同的预测期限。…

本笔记通过跨多个资产类别的多空动量示例，介绍期货回测机制。它解释合约规格如何通过乘数将价格变动换算为美元损益，以及名义敞口如何决定合约数量。笔记比较按合约收取的固定费用与按比例计算的成本，讨论期货交易时段和保证金，并使用行业归因考察集中度。示例采用与交易时段对齐的日度数据，并比较使用与不使用合约乘数的影响。…

本笔记将预先设定的止损、追踪止损和时间退出规则，应用于每个期货收益期限上验证排名最高的信号策略或配置策略。每条规则都在自己的母策略上评估，参数事先固定，而非根据验证价格路径调优。所有预先声明的规则都必须完成评估，以保留后续筛选所需的候选策略范围。…

本文档介绍一套数据集和工作流程，用于研究加密货币永续期货及其溢价指数。它概述了配置标的范围内的小时级 OHLCV 观测值和每八小时一次的溢价读数，以及下载、加载、筛选和基础概况分析步骤。溢价指数定义为永续合约价格与现货价格之间的相对差异；其正负表示永续合约交易价格高于还是低于现货价格。本文档将这些数据作为资金费率套利和溢价均值回归研究的输入，并未展示经过测试的策略。 数据来自 Binance…

本笔记本评估交易成本对研究流程其他环节所选定的固定CME期货配置有何影响。它采用全成本网格，将每一档成本平均分为佣金和滑点；并在回测中保留已选风险叠加层，因为该叠加层会改变持仓和换手率。解读时应关注净夏普比率降至零时的成本水平，而非某个任意选定成本下的表现。…

本文介绍CME期货数据集，包含多个产品组的小时线和日线、连续近月合约以及两个远期期限。文中说明数据覆盖范围、字段、载入选项，以及相关的每周CFTC持仓数据。期限结构支持期限结构分析和持有收益研究；重建和研究换月则需要单个合约记录。…

本文介绍潜在因子：它们是根据期货之间的共同变动推断出的共享收益驱动因素，而非预先给定的具名预测变量。文中比较了在每个训练折内拟合的两种方法。主成分分析（PCA）寻找能够解释最多收益方差的线性方向；神经随机贴现因子（SDF）方法则寻找能够解释横截面预期收益的共同定价对象。PCA仅使用收益；SDF还将特征作为工具变量，因此可以表示受特征条件影响的暴露。…

本笔记将此前选定的CME期货配置应用于留出预测，采用既定的配置器、再平衡计划、集中度规则和交易成本假设。其核心方法是：在评估留出集之前冻结这些选择；观察该期间后再更改任何参数都会削弱测试。系统通过已登记的训练和回测标识解析选定配置及相匹配的预测集，并将运行结果记录为留出回测。…

本笔记介绍如何从已登记的验证回测中选择一个CME期货案例配置。它汇集信号、配置和风险管理阶段的候选项，然后选出验证夏普比率最高的配置。两种收益期限会一并考虑；成本敏感性运行用于描述已经选定的配置，不参与竞争筛选。…

本笔记报告了在选定的真实案例策略上，对 Backtrader、Zipline Reloaded 和内部交易框架进行的对齐比较。内容包括两种外部引擎的 ETF 和 US 股票面板比较，以及 Backtrader 的 CME 期货和以 USD 计价的 FX 比较。审计以美分精度检查成交价格和数量、估值时间戳及账户价值。对于不支持的资产模型，笔记会列出而不会将其算作成功比较；本次审计也未将任一引擎视为原生支持加密货币永续合约资金费率。…

这项案例研究使用与其他模型系列相同的时点 CME 期货特征行和滚动验证折，评估参数效率高的神经网络集成模型 TabM。研究将 TabM 作为一种在共享大部分参数的同时，对模型差异取平均的方法，并改变模型容量，以探究模型在小型且噪声较大的面板数据上如何平衡拟合与泛化能力。所述评估使用等权验证集回测和夏普比率，在已声明的训练轮数检查点中进行选择。 笔记本强调了确保比较可信的防护措施：按折进行特征缩放以避免验证集泄漏；将固定随机种子纳入模型标识；并记录设备标识，因为 CPU 和 GPU…

这份笔记本构建一套可复用的诊断流程，用于金融数据预处理或特征工程之前的检查。它检查时间索引的数据类型、空时间戳、顺序和唯一性；查找完全重复行和基于键的重复项；按字段、资产和日期衡量缺失值；并检查数据间隔、异常值、取值域违规和特定数据集的日历问题。诊断只报告问题，不会修改或清理源数据。检查范围涵盖 ETF、US 股票、加密货币、期货、FX 和公司特征。分析区分列级完整性和缺失行，并说明领域知识的重要性：极端收益阈值可能会标记上涨走势，却无法识别公司行动；应根据拆股字段解读拆股记录。FX…

这项特征评估针对 CME 期货的远期收益，筛查金融和模型衍生的候选特征。对于每项特征，它检查数据覆盖率和陈旧程度，测量特征值与远期收益的每日横截面秩相关性，针对重叠收益窗口调整不确定性，并对受测集合应用 Benjamini-Hochberg 假发现率控制。它还比较各滚动验证年份的结果，检查其他已声明的收益期限，并根据证据记录继续、修改或停止的评估意见。…

本笔记本研究正则化如何影响由相关特征族构建的 CME 期货模型，包括持有收益、滚动夏普比率、动量和波动率指标。它比较 Ridge、Lasso 和 ElasticNet：Ridge 会缩小系数但保留特征，Lasso 可以将系数设为零，ElasticNet 则结合二者的效果。Lasso 和 ElasticNet 的惩罚项根据每折特有的阈值来表示，因此其强度会随各训练折变化。…

此笔记本构建一个考虑计量单位的框架，用于估算股票、ETF、期货、外汇和加密永续合约的交易成本。首先区分已交易量与无法换算为美元成交额的活动指标，然后保留各交易场所的费用分母，直到交易细节支持换算为止。分析将佣金、价差、市场冲击和股票借券费用分开，并根据给定换手率，将单笔成本与策略必须达到的年度未扣成本的总收益联系起来。…

本笔记评估用于期货预测的LSTM和NLinear序列模型。与每个决策只使用一行特征的模型不同，序列模型使用按时间排序的历史观测窗口，可能学习到固定摘要遗漏的模式。NLinear预测相对于每个窗口最后一个值的变化；LSTM则学习如何在窗口内传递信息。笔记说明了为何两种模型都要测试：复杂模型的容量可能更大，但线性基准模型在预测任务中的表现也曾颇具竞争力。…

本案例研究使用每日数据、滚动模型评估，以及佣金、价差和展期滑点成本，检验一组多元化 CME 期货上的每周多空套息排序策略。研究比较不同模型类别的信号质量，然后评估组合配置、风险覆盖策略和未参与调参的留出期。报告中横截面信息系数最高的是潜在因子随机贴现因子模型；但案例最终选用的策略则采用梯度提升模型、层级风险平价和移动止损。 验证回测报告的夏普比率为 1.236，但留出期估计为…

本笔记本根据 CME 期货收益面板构建主成分因子，而不是从套息、动量或波动率等工程化特征构建。PCA 用于寻找能够解释不同产品间变异的方向；第一主成分可能类似于共同市场走势，后续成分则可能反映板块间联动。这些模式并非由板块标签强加，成分按解释方差而非预测价值排序。 预测会将收益投影到各成分上，并用扩展均值推算因子收益。因子数量预先指定，拟合得到的 PCA…

本笔记介绍一个针对 CME 期货面板的神经随机贴现因子模型。该模型使用产品收益以及持有收益、动量和波动率等可观测特征，构建潜在因子，并针对预先声明的未来收益期限生成预测。笔记将该方法与仅使用收益的 PCA 进行比较，并说明如何通过比较检验特征是否在收益协方差之外增加了定价信息。…

本笔记介绍如何从单一资产价格历史以外的数据构建特征。它根据同期近月和远月期货合约价格推算年化展期收益率，并使用三个期限计算标准化曲线斜率和蝶式曲率。笔记还概述滚动贝塔、领先滞后关系、相对价值，以及平值隐含波动率、风险逆转、隐含波动率期限斜率和方差风险溢价等期权指标。 示例使用期货、ETF 和 S&P 500…

此配置定义了一个每周期货研究股票池，涵盖股指、政府债券、能源、金属、货币、农产品和畜牧产品。它将周五结算价设为决策快照，并以周一开盘作为执行时点。策略框架根据持有收益或动量为产品排序，支持多空头寸，并可按等风险或名义金额配置仓位。成本假设因产品流动性而异，包括佣金、价差和展期滑点。…